用户日常频繁行为模式挖掘

发布时间：2018-05-07 06:46

  本文选题：移动数据挖掘 + 移动感知　； 参考：《国防科技大学学报》2017年01期

【摘要】：针对如何在智能手机上高效准确地进行用户日常频繁行为模式挖掘问题展开研究。提出一个基于智能手机的用户日常频繁行为模式挖掘框架;为了减少用来挖掘的上下文篮子的数量、提高挖掘效率,提出一个动态的滑动窗口算法,进而提出一个将上下文出现的频率和持续时间有机地结合起来的加权模式挖掘算法;在此基础上,基于为期6周21个用户的上下文数据,对所提出的挖掘框架和算法进行实验验证,结果表明,所提出的框架和频繁模式挖掘算法可以高效地在资源有限的智能手机上运行,而且能够挖掘出反映用户生活方式的日常频繁行为模式;从两个纬度对用户日常频繁行为模式进行可视化,以可视化方式对用户在不同地方和不同时段的行为模式进行展现,从而方便用户随时了解其日常行为模式。
[Abstract]:This paper studies how to mine users' daily frequent behavior patterns efficiently and accurately on smart phones. In order to reduce the number of context baskets and improve mining efficiency, a dynamic sliding window algorithm is proposed. Furthermore, a weighted pattern mining algorithm is proposed, which combines the frequency and duration of context, and based on the context data of 21 users for 6 weeks, a weighted pattern mining algorithm is proposed. The experimental results of the proposed mining framework and algorithm show that the proposed framework and frequent pattern mining algorithm can efficiently run on a smartphone with limited resources. Moreover, it can mine the daily frequent behavior pattern which reflects the user's life style, visualize the user's daily frequent behavior pattern from two latitudes, and display the user's behavior pattern in different places and different periods by visualization. In order to facilitate the user at any time to understand their daily behavior patterns.
【作者单位】： 国防科技大学计算机学院;
【基金】：国家自然科学基金资助项目(61202117;91118008)
【分类号】：TP311.13

【相似文献】

相关期刊论文 前10条

1 王宇新;田佳;郭禾;吴树朋;杨元生;;应用模糊方法的设计模式挖掘策略研究[J];计算机工程与应用;2010年02期

2 陆亿红;王子仁;黄燕;;适合稀少空间特征的同位模式挖掘算法[J];浙江工业大学学报;2007年04期

3 郭燕萍;辛伯宇;;高选票例外模式挖掘研究与实现[J];电脑开发与应用;2007年08期

4 徐显九;杨燕;岳爱萍;;高效的用户移动模式挖掘方法[J];计算机应用研究;2007年09期

5 李帆;夏士雄;张磊;;基于模糊理论的不确定轨迹模式挖掘[J];微电子学与计算机;2011年08期

6 李中元;边馥苓;;空间同位模式挖掘研究进展[J];地理空间信息;2013年06期

7 邢东山,沈钧毅,宋擒豹;用户浏览偏爱模式挖掘算法的研究[J];西安交通大学学报;2002年04期

8 刘洪辉;吴岳芬;;用户行为模式挖掘问题的研究[J];计算机技术与发展;2006年05期

9 付晓翠;许盈;车路;;游戏访问模式挖掘的研究与应用[J];郑州大学学报(理学版);2007年04期

10 颜一鸣;郭鑫;李仁发;;一种非确定树模式挖掘算法[J];计算机工程与应用;2011年15期

相关会议论文 前10条

1 王肃;杜军平;高田;;基于本体与知识背景的模式挖掘框架研究[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

2 缪裕青;尹东;;分布式存储结构的频繁闭合模式挖掘并行算法[A];2007年全国开放式分布与并行计算机学术会议论文集(下册)[C];2007年

3 王淼;尚学群;谢华博;李战怀;;行常量差异共表达基因模式挖掘算法研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

4 刘玉葆;蔡嘉荣;印鉴;黄志兰;;基于最大访问模式挖掘的数据库异常行为检测[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

5 陆叶;王丽珍;陈红梅;赵丽红;;基于可能世界的不确定空间co-location模式挖掘研究[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

6 王丽珍;陆叶;陈红梅;肖清;;基于前缀树结构的空间co-location模式挖掘算法研究[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

7 胡伟成;曹三省;李丹;;一种基于QPop增量时域分割升维的媒体内容应用模式挖掘改进算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

8 薛丹;李德敏;裴仁林;;移动计算中基于PrefixSpan算法的用户移动模式挖掘[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

9 宋国杰;马帅;唐世渭;杨冬青;;基于模式挖掘的交通预测模型[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

10 夏庆;马元元;孙志挥;;路径遍历模式挖掘方法的改进[A];第十六届全国数据库学术会议论文集[C];1999年

相关重要报纸文章 前1条

1 辛苑薇;谁将分享“大数据”的智慧盛宴？[N];21世纪经济报道;2012年

相关博士学位论文 前7条

1 Shafqat Ali Shad;移动用户轨迹与行为模式挖掘方法研究[D];中国科学技术大学;2013年

2 钱烽;同位模式挖掘研究[D];浙江大学;2012年

3 刘勇;图模式挖掘技术的研究[D];哈尔滨工业大学;2010年

4 覃桂敏;复杂网络模式挖掘算法研究[D];西安电子科技大学;2012年

5 王乐;数据流模式挖掘算法及应用研究[D];大连理工大学;2013年

6 林耀进;多源环境中数据预处理与模式挖掘的研究[D];合肥工业大学;2014年

7 曾海泉;时间序列挖掘与相似性查找技术研究[D];复旦大学;2003年

相关硕士学位论文 前10条

1 杨阳;云计算环境下时空轨迹伴随模式挖掘研究[D];南京师范大学;2015年

2 李海;基于用户轨迹数据的周期活动模式挖掘[D];江苏科技大学;2015年

3 周青峰;云计算环境下的模式挖掘算法研究[D];浙江工商大学;2015年

4 陈瑞;基于分治子图和极大有序团树的co-location模式挖掘研究[D];云南大学;2015年

5 尹腾腾;软件执行轨迹中行为模式挖掘算法研究[D];燕山大学;2015年

6 陈明福;缩小候选集的Top-k高效模式挖掘算法研究[D];重庆大学;2015年

7 张子瀚;面向大数据的高效用模式挖掘方法研究[D];北方工业大学;2016年

8 张刚领;一种基于团的闭频繁Co-location模式挖掘方法[D];云南大学;2016年

9 江万国;基于领域驱动的空间高效用Co-location模式挖掘[D];云南大学;2016年

10 吴锡宇;基于约束的城市co-location模式挖掘[D];云南大学;2016年

，

本文编号：1855829